近期，多模态大模型在图像问答与视觉理解等任务中进展迅速。随着 Vision-R1 、MM-Eureka 等工作将强化学习引入多模态推理，数学推理也得到了一定提升。
引言：2025年8月，一则资本市场的消息引发了游戏与人工智能行业的双重关注——据媒体报道，人工智能独角兽企业 MiniMax（稀宇科技）已秘密向香港交易所递交招股书，计划在港股上市，预计估值超过40亿美元。翻阅MiniMax的融资历史会发现，早在2022年7月，游戏巨头米哈游就已在Pre-A轮参投了Minimax。
英伟达最新财报，营收和每股收益双双超预期！ 刚刚公布的第二季度营收467亿美元，高出市场预期1.3%。 调整后每股收益1.05美元，也高于市场预期的1.01美元。
两周前，我们发布了 jina-embeddings-v4 的 GGUF 格式及其多种动态量化版本。jina-embeddings-v4 原模型有 37.5 亿参数，在我们的 GCP G2 GPU 实例上直接运行时效率不高。因此，我们希望通过更小、更快的 GGUF 格式来加速推理。
AI视频生成正在迎来“通义时刻”！ 就在昨夜，阿里突然发布了一款由音频驱动的14B视频模型Wan2.2-S2V—— 仅需一张图片和一段音频，即可生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。
爆火的神秘图像编辑模型nano-banana，终于脱掉了“香蕉皮”！ 就在今天，谷歌官方认领，并表明这个模型其实是Gemini 2.5 Flash Image。
人类和AI在工作中如何协作？耶鲁和南大的研究人员合作的这篇论文讲清楚了。 这篇论文提出了一个数学框架，通过把工作技能拆分成两个层次来解释这个问题
刚刚，又一个人工智能国际顶会为大模型「上了枷锁」。 ICLR 2025 已于今年 4 月落下了帷幕，最终接收了 11565 份投稿，录用率为 32.08%。
只用一周，一个相当于人类20年经验的“数字技术工人”——基于时序大模型和Agent的智能体，就能直接上岗。
Gemini 2.5 Flash Image是谷歌最新发布的顶级图像生成与编辑模型，被网友誉为「最强图像模型」。其化身nano-banana在LMArena盲测中以历史最大优势夺冠，凭借角色一致性、提示编辑、原生世界知识和多图像融合四大能力，引发广泛关注。
